樁基檢測技術在神華廠房基礎工程中的應用研究

周水林 朱桂春

(1.江西省建筑設計研究總院，江西南昌 330046;2.揚州工業職業技術學院，江蘇揚州 225000)

樁基礎是一種歷史悠久的基礎形式之一，在漫長的歷史發展過程中，人們逐漸認識到樁基礎具有承載力高、沉降量小及抗震性好等特點，而廣泛使用樁作為基礎形式，樁基礎得到快速的推廣應用并取得飛躍式發展。但是有關樁基失穩而導致的工程事故也屢見報端，已經引起人們的普遍重視。由于在各種成樁工藝中，許多機械成孔的灌注樁常出現縮徑、擴徑、斷裂、離析等缺陷，預制打入樁則容易出現斷裂等缺陷，影響樁基承載力及上部結構的安全，嚴重者甚至使樁失去承載力，如果不能準確的判斷出缺陷的類型，測出缺陷的位置及程度，不能采取補救措施來對樁進行加固處理，必然會給建筑物造成安全隱患，威脅著人民生命財產的安全。

1 工程概況

神華廠房基礎工程位于包頭市九原區哈林格爾鎮西南，該場區位于河套斷陷盆地內。附近存在的主要斷裂有烏拉山山前斷裂、大青山山前斷裂、鄂爾多斯北緣斷裂、烏拉山北緣斷裂、達拉特隱伏斷裂及包頭北東向斷裂。自白堊紀以來，大青山不斷上升，斷陷一直下沉，形成巨厚的中、新生界沉積層，厚度達7 400 m。

神華廠房基礎工程位于山前沖洪積平原與黃河上積平原的復合地帶，現為荒草地。場區地勢開闊，其地形標高為1 013.7 m～1 019.0 m，北高南低。由于本工程地層地質多為粉土、粉砂、粉質粘土及含有機制較高的粉質粘土地層，屬于軟弱地層地質帶，該地層具有較高的透水性，由于距黃河較近，受河流水位影響，在成孔時，極易產生塌孔等事故，在汛期地下水位升高時，對鉆孔施工更為不利，樁基質量極易受到影響。

2 樁基檢測方案及結果評價

本工程共有6種類型的樁，總樁數為318根，根據上部結構的不同，其樁身參數各不相同，樁基類型數量見表1。

表1 樁基類型數量表

本工程進行的低應變檢測，檢測比例不小于該類型樁總樁數的20%，每根承臺下樁的檢測數不少于1根;高應變檢測比例不低于該類型樁總樁數的10%，且不少于5根，靜載荷測試，不小于該類型樁總樁數的1%，且不少于1根，聲波檢測適用于B01-B012樁，由監理單位指定對B5樁進行檢測。下面選取聲波法與低應變法進行介紹。1)聲波透射法檢測。本工程采用巖海公司RSST01D(P)測試分析儀進行數據采集，對于指定進行聲波透射法檢測的樁，灌注混凝土前預埋聲測管，該樁計樁長59 m，混凝土強度C25，樁徑1 200 mm，布置3根聲測管，聲測管應高出樁頭3 cm～5 cm左右，結果如表2所示。結合聲速與波幅曲線，可以看出在1-2，1-3，2-3剖面波幅較低，無異常點出現，不低于臨界值。2-3剖面在17 m附近聲速測值明顯異常，低于臨界值，波幅明顯減小，屬于異常值，但影響范圍不大。1-3，1-2剖面聲速變化幅度較大，無低于異常值。經綜合分析認為，該樁僅在2-3剖面17 m位置處存在輕微缺陷，認為該樁完整性滿足設計要求，樁身完整性等級判定為Ⅱ類。2)低應變檢測。低應變反射波法通常只對中小直徑樁及中短樁適用，本項目所用的低應變檢測儀器為美國PDI公司生產的PIT(Pile Integrity Test)儀器，本文主要將低應變檢測數據分為兩類，一是樁身完整性較好的樁，二是存在縮徑類的缺陷的樁，本章以其中的完整樁P1就低應變反射波法的分析解譯方法進行研究。P1樁:設計樁長11.3 m，混凝土強度為 C35，樁徑800 mm，對利用低應變反射波法測得的完整樁如圖1所示。

表2 聲波透射法檢測結果

圖1 低應變反射波法測得的波形圖

對圖1進行波形分析，通過圖中波形曲線可以比較直觀的判斷出，該樁在2 m～3 m附近有擴徑反射，在11.5 m附近有縮徑反射。根據JGJ 106-2003規定，該樁樁底反射明顯，在2.93 m存在擴徑現象，不存在縮徑，屬于完整性較好的樁，在工程上判為Ⅰ類樁。

3 BP神經網絡數據分析

由于聲波透射法、低應變檢測法和高應變檢測法理論及現有儀器的缺陷，在檢測過程中往往依靠工程人員經驗對檢測波形進行分析，這就決定了在檢測分析過程中人為因素會影響檢測結果的可靠性。若利用BP神經網絡(Artificial Neural Network，簡稱ANN)算法對檢測數據進行分析，使用BP神經網絡對測試結果進行分析，可以消除人為因素對檢測結果的影響。鑒于本文的篇幅，選取BP神經網絡算法對低應變檢測數據進行分析。

用神華廠房基礎工程中A701-A1040樁進行低應變檢測的共68根樁進行學習與預測，將專家分析過的68根樁分為兩組，一組60根用來學習，包括正常樁和各種缺陷樁，另一組8根用來校驗，同樣也包括正常樁和各種缺陷樁。將樁的完整性分為完整、斷裂、縮徑和離析四類，歸一化以后分別設其編碼為(0，0，0，1)，(0，0，1，0)，(0，1，0，0)和(1，0，0，0)，即對于每一種情況，BP 神經網絡對應有一個代碼輸出。在MATLAB7.1中運行BP神經網絡程序，當訓練到175步時，網絡已經收斂，誤差也基本穩定，程序自動停止訓練，此時網絡訓練的總誤差為9.214 92×10－4(目標誤差為0.001)，其網絡訓練收斂結果如圖2所示。通過計算發現，所建立的神經網絡對本工程60根樁進行訓練的適應性良好。可以應用于樁基完整性的預測，所以下一步利用MATLAB工具箱訓練好的神經網絡對其中的8根樁進行預測分析，并將預測分析結果與專家分析結果進行對比如表3所示。

圖2 神經網絡訓練收斂結果示意圖

表3 試驗樣本與預測結果

由表3可以看出，該BP神經網絡算法對樁基低應變檢測數據的預測分析基本穩定，運用BP神經網絡算法進行樁基低應變反射波法預測分析的可靠性較好，達到預期效果，可以用來對樁基檢測數據進行分析預測。對于聲波透射法和高應變檢測法，同樣可以采用BP神經網絡算法對其進行檢測結果預測，尤其是對高應變檢測，可以降低因人為參數選取的不同而帶來的分析誤差。

4 結語

在規范指導下，考慮神華廠房基礎工程的成樁工藝，按照隨機抽取，重點構筑物下重點檢測的原則確定工區內的樁基檢測方案，各檢測方法均有其適用范圍，考慮神華廠房基礎工程地質條件、成樁工藝等因素，采取檢測方法相互配合、相互驗證綜合運用的方法，對樁基進行檢測，實現了結果準確可靠的目標，達到理想檢測效果。同時在樁基檢測數據分析中，引入BP人工神經網絡算法，降低了因檢測人員經驗不足以及對漸變類型樁因無反射信號而給數據分析帶來的誤判幾率。

［1］ 張樹鸝.樁基檢測技術的現狀與發展［J］.鐵道標準設計，2000(6):79-80.

［2］ 李大展.樁基檢測工作中存在的若干問題及建議［J］.施工技術，2000(10):34-36.

［3］ 劉金礪.樁基礎設計施工與檢測［M］.北京:中國建材工業出版社，2001.

［4］ 吳慧敏.結構混凝土現場檢測技術［M］.長沙:湖南大學出版社，1988:1-10.

［5］ 鄢泰寧，王 生，李邵軍.人工神經網絡方法在樁基檢測中的應用［J］.地質科技情報，1999(18):17-21.